CiteSpace全球應用特征與核心功能演化

李杰 胡志剛 侯劍華

摘要：[目的/意義]旨在了解CiteSpace在全球的應用現狀及基于知識基礎的功能演化情況，以促進國內學者對CiteSpace深入認識和應用。[方法/過程]通過科學知識圖譜方法對Web of Science中收錄的965篇CiteSpace論文，從增長趨勢、地理分布、研究主題和引文演化四個方面進行了分析。[結果/結論] 過去16年，CiteSpace的應用呈顯著增長趨勢，應用遍布54個國家或地區，涉及337個不同的城市。我國是CiteSpace應用論文的主要產出國，占比84.9%。在CiteSpace的應用中，VOSviewer和Histcite是常常結合使用的軟件，Web of Science是主要數據源。文獻計量學中的共被引文獻、引文分析、共詞分析以及合著分析在CiteSpace應用中最為頻繁。常被用來進行熱點、研究趨勢以及文獻綜述分析。引文歷時網絡分析完整呈現了CiteSpace I、CiteSpace II以及CiteSpace III的完整演化過程，并從期刊雙圖疊加層面，展示宏觀層面CiteSpace應用論文和知識基礎論文的互動關系。

關鍵詞：CiteSpace；科研產出；科學圖譜；共詞分析；引文分析

分類號：G202

引用格式：李杰， 胡志剛， 侯劍華. CiteSpace全球應用特征與核心功能演化[J/OL]. 知識管理論壇， 2023， 8（4）： 291-302[引用日期]. http：//www.kmf.ac.cn/p/352/.

CiteSpace由美國德雷賽爾大學陳超美教授于2003年開發，作為一款基于先進技術的知識可視化工具，在科學研究中迅速被大量使用[1]。自從2007年6月，國內第一篇應用CiteSpace進行科學知識圖譜繪制的論文發表以來[2]，國內目前已經有近6 400余篇關于CiteSpace的中文期刊論文，且仍處于高速增長中。尤其是近兩年，年發文量超過1 700篇。在信息資源管理、教育學、管理學、經濟學乃至自然科學領域CiteSpace都得到了廣泛的傳播和應用。而圍繞CiteSpace所發展起來的科學知識圖譜研究范式[3]，也因為其嚴謹的定量分析方法、簡單易用的操作實現和生動直觀的可視化效果，在文獻分析和綜述方面表現出科學性和藝術性的統一，產生了深刻的學術影響和應用價值。

對于CiteSpace應用現狀維度的分析，國內外學者已經做了相關評述。2013年，侯劍華等[4]通過Web of Science簡要分析了軟件在國外的使用概況，并重點統計中國知網中313篇CiteSpace主題論文。該論文對于了解早期CiteSpace國內外傳播和擴散有一定的借鑒意義，但是隨著時間的推進，CiteSpace的應用更加深入，擴散更加廣泛，有必要進一步對其進行更加深入的分析和研究。2015年，陳悅等[5]基于國內500多篇CiteSpace論文中對圖譜“誤用”和“濫用”現象進行分析，闡釋了CiteSpace工具的設計理念及其方法論功能。2016年，劉光陽[6]通過對各類中文數據庫中收錄的1 897篇論文進行分析，詳細梳理CiteSpace在國內的傳播軌跡。在此基礎上，2019年，李杰等[7]進一步細化數據范圍，通過CSSCI數據庫專門考察我國社會科學領域CiteSpace的應用情況并進行系統性的梳理，總結了CiteSpace在社會科學領域的傳播特征。

由于上述對CiteSpace的綜述研究多集中于其在國內的應用和影響上，因此對其在國際的應用和擴散分析明顯不足。事實上，陳超美2006年關于CiteSpace的經典文章在Web of Science中的被引量已經超過1 384次，而直接應用CiteSpace的國際論文數量也已經接近1 000篇，尤其是近幾年的增長速度更為驚人。為了獲得CiteSpace近20年的擴散及功能演化情況，筆者將基于Web of Science中的CiteSpace主題論文，采用文獻計量和數據可視化的方式，進行深入挖掘。首先對CiteSpace主題論文在全球不同國家或區域、不同研究主題、不同期刊領域進行分析，并通過文獻共被引的方法，對CiteSpace主題論文的知識基礎及其聚類進行分析，以在文獻維度上認識CiteSpace功能的演化。

1? CiteSpace論文的國際增長趨勢

為全面獲取代表性的CiteSpace主題論文，筆者以Web of Science核心數據集的SCI-EXPANDED、SSCI、A&HCI、CPCI-S、CPCI-SSH以及ESCI為數據源。時間設置為“all year”，并通過主題CiteSpace進行檢索。共得到2005—2021年（截至2021年9月12日）出版的965篇論文。所采集的數據共包括8種文獻類型，其中以Article（490篇）、Review（259篇）、Proceedings Paper（202篇）以及Early Access（51篇）為主。圖1展示了2005—2021年CiteSpace主題論文的載文趨勢分布。結果顯示：在2005—2015年，CiteSpace主題論文相對比較緩慢；在2005—2011年，論文的年度產出不足10篇；一直到2016年，年度論文產出仍然不足50篇；2016年以后，CiteSpace主題論文呈現爆發式的增長。

2? CiteSpace國際論文的地域分布

CiteSpace在全球得到了廣泛的傳播和應用。在國家或地區維度上，CiteSpace已經被54個不同的國家和地區應用。在所有國家和地區中，我國以發文量819篇排在首位，論文占比達到84.9%。排名前10位的國家和地區包括：UNITED STATES（美國，67篇）、AUSTRALIA（澳大利亞，32篇）、BRAZIL（巴西，21篇）、TURKEY（土耳其，17篇）、SPAIN（西班牙，19篇）、UNITED-KINGDOM（英國，25篇）、IRAN（伊朗，12篇）、CANADA（加拿大，16篇）以及PAKISTAN（巴基斯坦，13篇）。在城市分布的維度上，CiteSpace的應用分布在337個不同的城市中，其中主要應用城市群分布在我國東部。經統計發現，城市排名前10位的城市均來自我國，分別為BEIJING（北京，177篇）、SHANGHAI（上海，80篇）、WUHAN（武漢，73篇）、GUANGZHOU（廣州，85篇）、CHENGDU（成都，76篇）、NANJING（南京，59篇）、XIAN（西安，47篇）、SHENYANG（沈陽，44篇）、TIANJIN（天津，41篇）和HONG-KONG（香港，39篇）。在合作維度上，我國主要合作對象為美國、加拿大、澳大利亞和英國，城市的合作也主要發生在與我國合作密切的國家中。可見，我國是CiteSpace主題論文最大的產出國，其他國家或地區與我國的差距很大。形成這種空間分布特征的原因是多方面的，其中一個重要方面是CiteSpace最早是在我國普及以及發展的。此外，通過CiteSpace軟件下載來看（https：//sourceforge.net/projects/citespace），從2018年9月2日到2021年9月13日CiteSpace總下載次數為1 170 844次，我國在全球用戶的下載中占比高達91%。

3? CiteSpace國際論文的研究主題

Citespace主題論文的關鍵詞共現網絡見圖3。圖中節點的大小與關鍵詞的詞頻呈正比。在所有關鍵詞中，Citespace出現了524次，排名第一。在關鍵詞共現網絡中，以Citespace形成了核心的主題群，網絡外圍的主題多是關于Citespace應用論文的關聯方法、工具與應用場景。與Citespace共現強度最大的10個關鍵詞分別為：bibliometrics（文獻計量學）、visualization analysis（可視化分析）、scientometrics（科學計量學）、knowledge mapping（知識圖譜）、VOSviewer、Web Of Science、co-citation analysis（共被引分析）、hotspots（熱點）、literature review（文獻綜述）以及research trends（研究趨勢）。高頻詞反映了CiteSpace在應用中，最常用來進行文獻計量、可視化、科學計量與知識圖譜等分析，最常用的數據庫為Web of Science，CiteSpace的共被引功能最為常用。在研究主題圖中，越接近黃色的節點，關鍵詞的平均出現時間距離當前的時間越近。從關鍵詞的分布可以得出，Citespace和VOSViewer的聯合應用已經成為一種趨勢。在研究的主題上，近期則集中在depression[8-10]（抑郁）、cancer[11-13]（癌癥）、supply chain[14-16]（供應鏈）、acupuncture（針灸）[17-19]、COVID-19[20-22]（新冠）、internet of things[23-25]（物聯網）以及biochar[26-28]（生物炭）等方面。

為了進一步認識CiteSpace主題，將關鍵詞分為5個方面：工具類、方法類、數據庫類、研究目的類和研究主題類。CiteSpace主題論文最常使用CiteSpace外，還經常使用VOSviewer作為聯合數據分析工具之一。此外，還有11篇論文中使用了引文歷史軟件HistCite；研究中 Web of Science是使用最為頻繁的數據庫，Scopus、CSSCI以及CNKI使用較少。這是因為CiteSpace輸入的標準數據為Web of Science格式，且其他數據庫在數據著錄等方面存在不同的缺陷，因此Web of Science在CiteSpace的數據分析中最受大家青睞和認可；文獻計量、科學計量以及可視化分析等是使用CiteSpace最常見的方法表述，但這些術語在表現主題上相對寬泛。相對比較具體的方法有共被引分析、引文分析、共詞分析、合著分析、共現分析、社會網絡分析以及聚類分析等；研究的目的多為進行熱點分析、研究趨勢分析、文獻綜述、繪制領域知識圖譜等。在應用CiteSpace的研究問題上，主要分布在氣候變化、大數據、針灸、新冠以及癌癥等方面。

4? CiteSpace國際論文的引文分析

提取被引頻次不小于20的被引文獻，以分析CiteSpace主題論文的知識基礎結構及其CiteSpace功能演化。被965篇施引文獻引用超過20次的共有51篇論著，共被引聚類分布見圖4。共被引網絡中文獻的時間跨度為1965—2019年，這表明CiteSpace主題論文不僅包含CiteSpace的原創性知識基礎，而且還包含與之相關的重要經典文獻。CiteSpace最早開發于2003年，并在2004年以轉折點理論為重要技術來探測科學研究中的范式轉換。因此本部分以2005年為界，對CiteSpace的“知識基礎”論文進行分析。

表2中列出CiteSpace主題論文引用的2005年之前的知識基礎論文。從論文的學術貢獻來看，大量論文是科學計量學領域的開創性研究，并呈現了文獻計量/科學計量重要成果的發展核心路徑。這些科學計量學的開創性研究，成為后續CiteSpace開發的理論依據。1965年，普賴斯在Science發表的《科學論文的網絡》為后期基于網絡思維來剖析科學結構提供了數理依據。普里查德在1969年發表的論文中更是給出了文獻計量學的概念，使得后續研究有了基礎的立足點。在后續文獻計量學發展中，學者們從科學文獻知識單元關系入手，又分別提出了文獻共被引、作者共被引以及基于文獻研究知識基礎和研究前沿的理論與方法。從經典的文獻計量學文獻可以得出，文獻的共被引與文獻網絡分析是其核心知識基礎。此外，來自文獻計量學領域之外的相關數據挖掘研究論文亦有重要影響。陳超美教授通過結合文獻共被引網絡和L. C. Freeman的中介中心性概念[29]，提出了知名的科學網絡中轉折點的概念，為知識發現提供了理論和技術支撐。在網絡聚類普遍使用模塊化值Q來衡量聚類質量的背景下，又引入了剪影值的聚類評估指標，來衡量整體網絡的平均同質性和聚類內部被引文獻的同質性。在文獻的分析中，詞頻和引證次數是最常使用的指標，但在呈現知識演化上存在嚴重不足。在基于頻次分析的基礎上，陳超美引入J. Kleinberg的突發性探測技術[30-31]，來分析特定文獻單元在時間區間內部激增變化。陳超美教授認為，在突發性研究中，文獻發生激增的時間段，在某種程度上可能切中了科學研究的要害，有利于認識科學前沿演化的本質。

在51篇CiteSpace主題論文的高被引文獻中，共有14篇是陳超美教授發表的論文（見表3），這些論文在時間序列上較為完整地呈現了CiteSpace從誕生、成長到成熟的過程。2003年5月美國知名科學可視化學者凱蒂·博納首次發起了“Mapping Knowledge Domians”主題會議，并邀請了包括加菲爾德、陳超美等多位文獻計量學專家參加。本次會議的論文集首次于2004年在《美國科學院學報》發表，陳超美的關于“轉折點”的論文也是通過本次會議發表的。尋找科學研究中的轉折點，以獲取創造性的本質成為CiteSpace I的特色功能。在CiteSpace I的基礎上，陳超美重新構建CiteSpace的概念模型，形成由共被引網絡及術語混合網絡構成的科學研究知識基礎和研究前沿之間的映射關系，并以典型研究（恐怖主義和生物滅絕）為案例，呈現了CiteSpace實現這一設想的過程。在2008—2009年陳超美發表了基于CiteSpace的數據與知識工程案例研究與基于新設計的SIG指標的科學發展理論的研究。2010年，陳教授進一步對CiteSpace的功能進行完善，涉及基于施引文獻標題、摘要或關鍵詞的共被引網絡聚類的命名，CiteSpace正式進入3.0時代。在不斷的發展和完善中，CiteSpace經過典型案例（如再生醫學、罕見病藥物等）的成功應用，功能得到不斷完善和加強，又先后在3.0版本的基礎上補充了文獻共被引網絡的結構變異分析（structural variation analysis）以及期刊的雙圖疊加分析（Journals dual overlay map）。在CiteSpace理論與技術不斷完善的同時，陳超美教授開始撰寫和分享了大量的軟件學習指南，在2014年出版免費的英文手冊（The CiteSpace Manual），2016年正式出版《CiteSpace：科學文獻圖譜實踐手冊》。2017年，陳超美進一步借助CiteSpace軟件，系統且深入地對知識圖譜的研究進行了全面的梳理和分析，向CiteSpace的用戶進一步呈現CiteSpace用于系統性綜述和知識發現的可能性。CiteSpace目前已經發展到了5.0，軟件在可視化設計、結果穩定性以及功能完整性上都取得了較大的進步。在CiteSpace 5.8.R1以后，軟件更是增加了對科技論文中不確定性的分析。整體上來看，在功能上已經實現了從最早基于結構洞的科學發現與創造性理論（creativity），向目前科學不確定性（uncertainty）的研究[43]。從CiteSpace的功能演化過程可以得出，CiteSpace的理論技術與案例研究具有一定的交替性，這使得理論與實踐相得益彰，共同發展。

在文獻維度的引文分析基礎上，利用CiteSpace中的雙圖疊加圖，可以展現這些論文的來源期刊及其引用期刊的引證關系及在全期刊地圖上分布。在圖4中，左側是施引文獻的來源期刊結點，代表這些CiteSpace相關論文發表在哪些領域的期刊上；右側是引用文獻的來源期刊結點，代表這些CiteSpace相關論文引用的是哪些領域的期刊。無論從施引文獻來源還是從引用文獻的來源來看，CiteSpace作為科技文獻與可視化工具，已經被廣泛應用到經濟學與政治學、心理學與教育學、動植物學、分子生物學等各個領域，幾乎覆蓋了全部學科領域，這表明CiteSpace已經基本完成了全學科的擴散。

5? 結語

CiteSpace作為由華人學者開發并在國內率先推廣應用的一種科學知識圖譜繪制工具，相關研究不僅在國內發文量很多，而且近年來在國際上也呈現出爆發趨勢。為了展現CiteSpace論文在國際上的應用態勢，筆者檢索并基于Web of Science數據庫中在標題或摘要中包含CiteSpace的近千篇論文，從時間、地域、主題、期刊和引文等角度對這些論文進行了全景式的分析和掃描，主要研究結論如下：①CiteSpace論文在2017年之后增長迅速，從原來的年發文量不足百篇，躍升到近300篇；②中國學者仍然是當前CiteSpace國際論文的主要貢獻者，占全部論文總量的84.9%；③關鍵詞分析展現了科學知識圖譜方法的相關數據、工具和方法論基礎；④引用的論文體現了文獻計量學和科學知識圖譜的經典方法和工具。

最后，從所采集的論文數據來看，CiteSpace的應用還停留在淺層次，對于軟件的深層次應用有所欠缺。一方面，以應用為導向的研究論文，往往缺乏進一步深入挖掘軟件深層次功能的動機；另一方面，應用類論文的來源主要為非文獻計量學領域，對基于文獻計量學理論和可視化技術的認識存在一定的學科屏障，因此僅僅停留在基礎的應用上。為了進一步發揮CiteSpace在科學知識領域的挖掘和分析中的價值，作為軟件的應用者應該首先熟悉了解文獻計量學的基礎理論，以此為基礎采用CiteSpace靈活探索所關注的領域。

參考文獻：

[1] 李杰， 陳超美. CiteSpace科技文本挖掘及可視化 [M]. 3版. 北京： 首都經濟貿易大學出版社， 2022. （LI J， CHEN C M. CiteSpace： text ming and visualization in scientific literature [M]. 3rd ed. Beijing： Capital University of Economic and Business Press， 2022.）

[2] 侯劍華， 陳悅. 戰略管理學前沿演進可視化研究 [J]. 科學學研究， 2007 （S1）： 15-21. （HOU J H， CHEN Y. Research on visualization of the evolution of strategic management front [J]. Studies in science of science， 2007（S1）： 15-21.）

[3] 陳悅， 劉則淵. 悄然興起的科學知識圖譜 [J]. 科學學研究， 2005 （2）： 149-154. （CHEN Y， LIU Z Y. The rise of mapping knowledge domain[J]. Studies in science of science， 2005 （2）： 149-154.）

[4] 侯劍華， 胡志剛. CiteSpace軟件應用研究的回顧與展望 [J]. 現代情報， 2013， 33（4）： 99-103.（HOU J H， HU Z G. Review on the application of CiteSpace at home and abroad [J]. Journal of modern information， 2013， 33（4）： 99-103.）

[5] 陳悅， 陳超美， 劉則淵， 等. CiteSpace知識圖譜的方法論功能 [J]. 科學學研究， 2015， 33（2）： 242-253. （CHEN Y， CHEN C M， LIU Z Y， et al. The methodology function of CiteSpace mapping knowledge domains [J]. Studies in science of science， 2015， 33（2）： 242-253.）

[6] 劉光陽. CiteSpace國內應用的傳播軌跡——基于2006—2015年跨庫數據的統計與可視化分析 [J]. 圖書情報知識， 2017（2）： 60-74. （LIU G Y. The spread track of CiteSpace application in China——based on the statistical and visual analysis of cross-database data from 2006 to 2015 [J]. Documentation， information & knowledge， 2017（2）： 60-74.）

[7] 李杰， 李慧杰， 陳偉炯， 等. 國內社會科學研究中知識圖譜應用現狀分析[J].圖書情報研究， 2019（1）： 74-81.（ LI J， LI H J， CHEN W J， et al. Review application of knowledge visualization research in Chinese social science[J]. Library & information studies， 2019（1）： 74-81.）

[8] ZOU X H， SUN Y. Bibliometrics analysis of the research status and trends of the association between depression and insulin from 2010 to 2020 [J/OL]. Front psychiatry， 2021， 12： 683474[2023-04-11]. https：//www.frontiersin.org/articles/10.3389/fpsyt.2021.683474/full.

[9] ZHU X Q， HU J Q， DENG S H， et al. Bibliometric and visual analysis of research on the links between the gut microbiota and depression from 1999 to 2019? [J/OL]. Front psychiatry， 2021， 11： 587670 [2023-04-11]. https：//www.frontiersin.org/articles/10.3389/fpsyt.2020.587670/full.

[10] ZHOU Y， ZHU X P， SHI J J， et al. Coronary heart disease and depression or anxiety： a bibliometric analysis [J]. Front psychol， 2021， 12：669000[2023-04-11]. https：//www.frontiersin.org/articles/10.3389/fpsyg.2021.669000/full.

[11] ZHENG Y S， HUANG Y W， BIAN Y Y， et al. Analysis of the differences in lung cancer research trends between China and the United States based using project funding data [J]. Annals of translational medicine， 2021， 9（3）： 215.

[12] XU Z Y， GAO X， REN B H， et al. A bibliometric analysis of segmentectomy versus lobectomy for non-small cell lung cancer research （1992-2019） [J]. Medicine （Baltimore）， 2021， 100（13）： e25055.

[13] WU C C， WANG Y Z， HU H Y， et al. Bibliometric analysis of research on the comorbidity of cancer and pain [J]. Joural of pain research， 2021， 14： 213-228.

[14] ZHOU X Y， LI T C， MA X Q. A bibliometric analysis of comparative research on the evolution of international and Chinese green supply chain research hotspots and frontiers [J]. Environmental science and pollution research， 2021， 28（6）： 6302-6323.

[15] SU Z W， ZHANG M Y， WU W B. Visualizing sustainable supply chain management： a systematic scientometric review [J/OL]. Sustainability， 2021， 13（8）： 4409[2023-04-11]. https：//doi.org/10.3390/su13084409.

[16] GUAN G F， JIANG Z J， GONG Y， et al. A bibliometric review of two decades research on closed-loop supply chain： 2001-2020 [J/OL]. IEEE access， 2021， 9： 3679-3695[2023-04-11]. https：//ieeexplore.ieee.org/document/9308918.

[17] ZHAO Y Q， HUANG L， LIU M J， et al. Scientific knowledge graph of acupuncture for migraine： a bibliometric analysis from 2000 to 2019 [J]. Joural of pain research， 2021， 14： 1985-2000.

[18] ZHAO T T， GUO J， SONG Y F， et al. A bibliometric analysis of research trends of acupuncture therapy in the treatment of migraine from 2000 to 2020 [J]. Joural of pain research， 2021， 14： 1399-1414.

[19] ZHANG J H， ZHANG Y X， HU L Y， et al. Global trends and performances of magnetic resonance imaging studies on acupuncture： a bibliometric analysis [J]. Front neurosci， 2021， 14： 620555 [2023-04-11]. https：//www.frontiersin.org/articles/10.3389/fnins.2020.620555/full.

[20] WANG Y N， AHMED A， AZAM A， et al. Applications of additive manufacturing （AM） in sustainable energy generation and battle against COVID-19 pandemic： the knowledge evolution of 3D printing [J/OL]. Journal of manufacturing systems， 2021， 60： 709-733[2023-04-11]. https：//doi.org/10.1016/j.jmsy.2021.07.023.

[21] SANCHEZ-TENA M A， MARTINEZ-PEREZ C， VILLA-COLLAR C， et al. Impact of COVID-19 at the ocular level： a citation network study [J]. Journal of clinical medicine， 2021， 10（7）： 1340.

[22] LI D， WANG S W， SU X M. Bibliometric analysis on utilization of new information technology in the prevention and control of Covid-19-China， 2020 [J]. China CDC weekly， 2021， 3（8）： 165-169.

[23] YANG X J， WANG X Y， LI X G， et al. Exploring emerging IoT technologies in smart health research： a knowledge graph analysis [J]. BMC medical informatics and decision making， 2020， 20（1）： 260.

[24] HU X P， SUN L J， ZHOU Y X， et al. Review of operational management in intelligent agriculture based on the Internet of Things [J]. Frontiers of engineering management， 2020， 7（3）： 309-322.

[25] DAIM T， LAI K K， YALCIN H， et al. Forecasting technological positioning through technology knowledge redundancy： patent citation analysis of IoT， cybersecurity， and Blockchain [J/OL]. Technological forecasting & social change， 2020， 161： 120329[2023-04-11]. https：//doi.org/10.1016/j.techfore.2020.120329.

[26] BILIAS F， NIKOLI T， KALDERIS D， et al. Towards a soil remediation strategy using biochar： effects on soil chemical properties and bioavailability of potentially toxic elements [J/OL]. Toxics， 2021， 9（8）： 184[2023-04-11]. https：//doi.org/10.3390/toxics9080184.

[27] YAN T T， XUE J H， ZHOU Z D， et al. The trends in research on the effects of biochar on soil [J]. Sustainability， 2020， 12（18）： 23.

[28] WU P， WANG Z Y， WANG H L， et al. Visualizing the emerging trends of biochar research and applications in 2019： a scientometric analysis and review [J]. Biochar， 2020， 2（2）： 135-150.

[29] FREEMAN L C. A set of measures of centrality based on betweenness [J]. Sociometry， 1977， 40（1）： 35-41.

[30] KLEINBERG J. Bursty and hierarchical structure in streams [C]// Proceedings of the eighth ACM SIGKDD international conference on knowledge discovery and data mining. Edmonton： Association for Computing Machinery， 2002： 91–101.

[31] KLEINBERG J. Bursty and hierarchical structure in streams [J]. Data mining and knowledge discovery， 2003， 7（4）： 373-397.

[32] PRICE D J D S. Networks of scientific papers [J]. Science， 1965， 149（3683）： 510-515.

[33] PRITCHARD A. Statistical bibliography or bibliometrics [J]. Journal of documentation， 1969， 25（4）： 348-349.

[34] SMALL H. Co-citation in the scientific literature： a new measure of the relationship between two documents [J]. Journal of the American Society for Information Science， 1973， 24（4）： 265-269.

[35] FREEMAN L C. Centrality in social networks conceptual clarification [J]. Social networks， 1978， 1（3）： 215-239.

[36] WHITE H D， GRIFFITH B C. Author cocitation： a literature measure of intellectual structure [J]. Journal of the American Society for Information Science， 1981， 32（3）： 163-171.

[37] ROUSSEEUW P J. Silhouettes： a graphical aid to the interpretation and validation of cluster analysis [J/OL]. Journal of computational and applied mathematics， 1987， 20： 53-65[2023-04-11]. https：//www.sciencedirect.com/science/article/pii/0377042787901257.

[38] PERSSON O. The intellectual base and research fronts of JASIS 1986–1990 [J]. Journal of the American Society for Information Science， 1994， 45（1）： 31-38.

[39] WHITE H D， MCCAIN K W. Visualizing a discipline： An author co-citation analysis of information science， 1972–1995 [J]. Journal of the American Society for Information Science， 1998， 49（4）： 327-355.

[40] HOOD W W， WILSON C S. The literature of bibliometrics， scientometrics， and informetrics [J]. Scientometrics， 2001， 52（2）： 291-314.

[41] B?RNER K， CHEN C， BOYACK K W. Visualizing knowledge domains [J]. Annual review of information science and technology， 2003， 37（1）： 179-255.

[42] CHEN C M. Searching for intellectual turning points： progressive knowledge domain visualization [J]. Proceedings of the National Academy of Sciences of the United States of America， 2004， 101（Sl）： 5303-5310.

[43] CHEN C. A glimpse of the first eight months of the covid-19 literature on microsoft academic graph： themes， citation contexts， and uncertainties [J/OL]. Frontiers in research metrics and analytics， 2020， 5：607286[2023-04-11].https：//www.frontiersin.org/articles/10.3389/frma.2020.607286/full.

[44] CHEN C M. CiteSpace II： Detecting and visualizing emerging trends and transient patterns in scientific literature [J]. Journal of the American Society for Information Science and Technology， 2006， 57（3）： 359-377.

[45] CHEN C M， SONG I Y， YUAN X J， et al. The thematic and citation landscape of data and knowledge engineering （1985-2007） [J]. Data & knowledge engineering， 2008， 67（2）： 234-259.

[46] CHEN C， CHEN Y， HOROWITZ M， et al. Towards an explanatory and computational theory of scientific discovery [J]. Journal of informetrics， 2009， 3（3）： 191-209.

[47] CHEN C， IBEKWE-SANJUAN F， HOU J. The structure and dynamics of cocitation clusters： a multiple-perspective cocitation analysis [J]. Journal of the American Society for Information Science and Technology， 2010， 61（7）： 1386-1409.

[48] CHEN C M， HU Z G， LIU S B， et al. Emerging trends in regenerative medicine： a scientometric analysis in CiteSpace [J]. Expert opinion on biological therapy， 2012， 12（5）： 593-608.

[49] CHEN C. Predictive effects of structural variation on citation counts [J]. Journal of the American Society for Information Science and Technology， 2012， 63（3）： 431-449.

[50] CHEN C， DUBIN R， KIM M C. Emerging trends and new developments in regenerative medicine： A scientometric update （2000-2014） [J]. Expert opinion on biological therapy， 2014， 14（9）： 1295-1317.

[51] CHEN C， DUBIN R， KIM M C. Orphan drugs and rare diseases： a scientometric review （2000-2014） [J]. Expert opinion on biological therapy， 2014， 2（7）： 709-724.

[52] CHEN C， LEYDESDORFF L. Patterns of connections and movements in dual-map overlays： a new method of publication portfolio analysis [J]. Journal of the American Society for Information Science and Technology， 2014， 65（2）： 334-351.

[53] CHAOMEI C. The CiteSpace manual [EB/OL]. [2022-10-11]. http：//blog.sciencenet.cn/blog-496649-840691.html.

[54] CHEN C. CiteSpace： a practical guide for mapping scientific literature [M]. New York ：Nova Science Publishers， Incorporated， 2016.

[55] CHEN C M. Science mapping： a systematic review of the literature [J]. Journal of data and information science， 2017， 2（2）： 1-40.

[56] CHEN C， SONG M. Visualizing a field of research： a methodology of systematic scientometric reviews [J/OL]. Plos one， 2019， 14（10）： e0223994[2023-04-11]. https：//doi.org/10.1371/journal.pone.0223994.

Global Application and Core Function Evolution of CiteSpace

Li Jie1，2? ?Hu Zhigang3? ?Hou Jianhua4

1National Science Library， Chinese Academy of Sciences， Beijing 100190

2Department of Information Resources Management， School of Economics and Management， University of Chinese Academy of Sciences， Beijing 100190

3WISE Lab， Dalian University of Technology， Dalian 116024

4School of Information Management， Sun Yat-sen University， Guangzhou 510006

Abstract： [Purpose/Significance] This study aims to comprehend the current global status of CiteSpace application and functional evolution based on knowledge foundations. Additionally， it seeks to facilitate the understanding and implementation of CiteSpace within the Chinese scientific community. [Method/Process] Knowledge mapping methods were employed to analyze 965 papers related to CiteSpace from the Web of Science Core Collections. The analysis covered growth trends， geographical distribution， research topics， and citation evolution. [Result/Conclusion] The findings reveal a consistent upward trend in CiteSpaces application over the past 16 years. The application demonstrates a diverse distribution across 54 different countries/regions and 337 cities. Notably， China emerges as the most productive country， accounting for 84.9%. In CiteSpace applications， VOSviewer and Histcite are often used together， and Web of Science is the main data source. Widely adopted bibliometric methods include co-citation analysis， citation analysis， co-word analysis， and co-authorship. The applications purposes encompass hotspot analysis， tracking research trends， and conducting literature reviews. The diachronic citation network analysis elucidates the complete evolution of CiteSpace I， CiteSpace II， and CiteSpace III. Furthermore， dual overlay maps of journals effectively demonstrate the interaction between CiteSpace application papers and knowledge-based papers.

Keyword： CiteSpace? ? scientific outputs? ? science map? ? co-words analysis? ? citation analysis